Il est difficile de se faire une opinion sur le sujet de l’intelligence artificielle, étant donné les réactions passionnées qu’elle suscite, allant des avertissements alarmistes aux rêves utopiques. L’intelligence artificielle a déjà révolutionné le monde des affaires. Elle bouleverse tous les secteurs d’activité, de la structure des coûts et des revenus à leur structure organisationnelle même. L’intelligence artificielle peut perturber l’économie en améliorant les ordinateurs afin qu’ils se substituent à certains emplois, mais elle peut aussi permettre la création de nouveaux modèles économiques et faciliter l’expansion pour de petites entreprises désireuses de se réapproprier une étape de la chaîne.
L’intelligence artificielle de quoi parle-t-on ?
L’Intelligence Artificielle est définie comme la construction de programmes informatiques (des algorithmes) qui s’adonnent aux tâches que les êtres humains accomplissent, pour le moment, plus efficacement, parce qu’elles demandent des fonctions mentales élevées telles que l’apprentissage perceptif, la mémoire organisationnelle et le raisonnement critique.
L’intelligence artificielle (IA) est la capacité d’un ordinateur à apprendre, analyser et prédire. Les techniques d’intelligence artificielle reposent sur les capacités de traitement des ordinateurs. Cependant, elles ne sont pas nouvelles. Déjà en 1950, le mathématicien Alan Turing introduisait la première version de cette discipline lors d’une conférence sur l’intelligence artificielle. Il définissait l’IA comme la « capacité d’un ordinateur à jouer le jeu d’imitation du comportement humain ».
Aujourd’hui, ce n’est plus seulement l’imitation du comportement humain qui intéresse les scientifiques. Les ordinateurs sont devenus capables d’acquérir leurs propres connaissances, d’apprendre, d’analyser et de prédire. L’intelligence artificielle est donc une discipline qui explore comment la nature peut être reproduite par un ordinateur ou comment l’ordinateur peut imiter la nature. Elle vise notamment à construire des ordinateurs capables de penser, d’apprendre et de raisonner tout seuls. Ce progrès repose sur des méthodes d’apprentissage automatique ou de Machine Learning et de Deep Learning qui offrent de multiples fonctionnalités et opportunités à leurs utilisateurs. Les systèmes d’intelligence artificielle s’appuient ainsi sur l’observation et la modélisation du comportement humain.
L’intelligence artificielle représente un défi principal pour de nombreuses entreprises qui l’intègrent de plus en plus dans leur pensée stratégique. L’IA est un élément incontournable pour toutes les entreprises qui souhaitent créer de la valeur et augmenter leurs profits.
Ces nouvelles technologies, les nouveaux concurrents, les zones de profit en déplacement ont une incidence durable sur le marché et le business model des entreprises. Ces modifications incitent les entreprises à envisager des adaptations qu’elles doivent apporter à leur modèle économique ainsi que les options qu’elles doivent prendre en considération pour investir ou réorienter leur projet de développement.
L’intelligence artificielle change tout
Les pays développés ne peuvent plus compter sur les facteurs de production traditionnels, le capital et le travail, pour assurer la croissance à laquelle ils se sont habitués. L’intelligence artificielle apparaît comme un nouveau facteur de production capable de produire de nouvelles sources de croissance, de modifier la façon dont nous travaillons et de renforcer le rôle des employés dans la réalisation des objectifs de l’entreprise.
Selon un certain nombre d’études récentes évaluant les implications de l’intelligence artificielle, les économies ne seraient plus jugées sur leur développement financier, mais sur le degré d’imprégnation de leur économie par l’intelligence artificielle. Cette modification des repères signifie que l’avenir sera sans doute différent. En France, l’Intelligence Artificielle devrait améliorer la productivité nationale d’ici 2035 de plus de 27% (39% d’augmentation de la productivité américaine).
Une liste non exhaustive des avantages actuels de l’Intelligence Artificielle en matière d’intégration des systèmes d’information peut être dressée en se référant à son état actuel de capacité fonctionnelle.
Les indicateurs de performance peuvent être produits (et utilisés) avec l’intelligence artificielle pour être plus précis et exacts, pour mettre en place la reconnaissance automatique des produits et la détermination de la nomenclature de production, par exemple. Elle peut également permettre d’optimiser la gestion des stocks à des coûts maîtrisés et des flux prévisionnels (livraisons, transports, etc.). Elle est également capable de détecter les fraudes, les irrégularités comptables et financières, d’anticiper les ralentissements et les reprises économiques, d’évaluer le danger des clients mauvais payeurs, etc. Il est possible d’étudier le comportement en magasin, d’automatiser le support client en ligne (ChatBots conversationnels), de recommander des produits personnalisés, de fixer et d’optimiser leurs prix de vente. Son large éventail d’applications est le résultat direct du déploiement du Machine Learning et/ou du Deep Learning sur des plateformes dédiées.
L’entreprise doit alors collecter des données suffisamment variées et pertinentes pour construire sa stratégie basée sur l’IA. Les algorithmes de Machine Learning (ML) ou de Deep Learning sont utilisés pour construire des modèles prédictifs. Cependant, il faut être particulièrement attentif à comprendre comment ces modèles sont élaborés. En effet, ces modèles sont construits à partir de données issues de situations antérieures qui sont susceptibles d’être identiques, si ce n’est exactement les mêmes !
Cependant et en raison de la nature des changements économiques, sociaux et réglementaires, difficiles à prévoir et qui échappent donc à la modélisation, la qualité des décisions stratégiques est compromise. C’est pourquoi les algorithmes de Machine Learning ou de Deep Learning doivent être considérés comme des aides à la décision plutôt que comme une réflexion humaine prenant plus ou moins en compte l’incertitude.
Comment le big data et l’intelligence artificielle stimulent les performances des entreprises ?
Selon les dernières estimations de Statista, la quantité de données numériques créées ou reproduites a été multipliée par trente en dix ans seulement, passant de 2 zettaoctets en 2010 à 64 zettaoctets en 2021. À la fin de la décennie, 180 zettaoctets de données seront générés dans le monde, soit une augmentation annuelle de 40 %. La démocratisation croissante des appareils connectés et le développement de la 5G sont deux des principaux moteurs de ce déferlement des données. Cela revient à acheter 640 millions des plus gros SSD (100 To de stockage) pour sauvegarder les données de 2021.
Et ce n’est pas fini ! selon les chercheurs Viktor Mayer-Schonberger et Kenneth Cukier, auteurs de «Big Data », prévoient un doublement des données tous les 12 ans.
Le terme « Big Data » fait référence à la collecte, au stockage et au traitement de grandes quantités de données de plus en plus volumineuses en raison des informations personnelles que nous dispersons sur internet, d’où les termes « big » et « data ».
Les cookies, par exemple, sont cachés sur les sites web. Ils collectent toutes nos données personnelles, telles que nos habitudes de navigation sur Internet, nos requêtes sur les moteurs de recherche, nos intérêts sur les réseaux sociaux, nos préférences et nos habitudes d’achats, puis établissent un profil de consommateur type pour chacun d’entre nous. Les annonceurs peuvent alors acheter des listes de cookies corrélées au profil de l’individu qu’ils veulent cibler. C’est un exemple de la technologie du Big Data (sous une forme simplifiée). Par leur stratégie économique et leurs offres de services, les GAFAM (Google, Amazon, Facebook, Apple et Microsoft) ont fait entrer le Big Data dans nos vies en le façonnant et en le démocratisant à travers leur modèle économique et leurs offres de services.
Outre les données Web, le Big Data fait référence aux données de l’entreprise (et pas seulement aux informations), par exemple : la rentabilité d’un service, le nombre d’employés, l’âge moyen des employés et le nombre d’équipements sont tous des données, c’est-à-dire des informations que l’entreprise peut traiter pour en tirer des conclusions à des fins d’analyse.
Ainsi le Big Data consiste à identifier les connexions entre des éléments de données sans lien entre eux afin de mieux comprendre une situation ou d’anticiper un événement (Ransbotham, 2020).
Aujourd’hui, l’intelligence artificielle est la seule technologie capable de traiter autant de données aussi rapidement. En utilisant les lois des statistiques et des probabilités, l’intelligence artificielle peut détecter des tendances générales en traitant de grandes quantités de données. Au fur et à mesure que nous accumulons des données, Nous pouvons presque anticiper un comportement en notant les mêmes corrélations dans l’analyse des données. Ce processus est connu sous le nom d’ »analyse prédictive ».
Les départements marketing font un usage intensif de l’analyse prédictive, comme on peut s’y attendre. En rassemblant des informations provenant de diverses sources (informations de navigation sur le Web, enregistrements CRM, données des magasins et des centres d’appels, réseaux sociaux, etc.), la technologie Big Data peut créer un profil de la personnalité et du comportement d’achat du consommateur souhaité. Grâce à ces informations, le service marketing sera en mesure de cibler précisément les désirs du consommateur au bon moment et au bon endroit.
La société SFR a poussé ce concept un peu plus loin en développant un programme d’anticipation des résiliations. En examinant l’activité Internet de ses clients (pages consultées, termes clés saisis dans les moteurs de recherche, intérêts sur les réseaux sociaux, etc.) pour déterminer quels clients demanderaient prochainement à résilier leur forfait SFR. L’équipe commerciale a ensuite approché ces clients avec des offres nouvelles et alléchantes avant qu’ils ne quittent SFR. Selon l’entreprise, le logiciel a identifié 81% des clients sortants et en a récupéré 75%.
Les banques aussi ont pris conscience de l’importance de la technologie Big Data, capable de traiter des milliards de données de manière instantanée, tout comme PayPal, qui a mis en place son propre programme de prévention de la fraude. Les banques et PayPal ont compris qu’il est essentiel de pouvoir détecter instantanément les fraudes à la carte de crédit. Chaque transaction en cours de traitement (un score allant de 0 à 3, basé sur la nature et le lieu de la transaction et le profil de la personne qui l’effectue) est immédiatement évaluée pour détecter les fraudes.
Autre exemple de l’importance du traitement des données en temps réel le cas d’un grand groupe, dans le secteur des biens de consommation. Unilever possède plus de 400 marques dans 190 pays et est consommé quotidiennement par 2,5 milliards de personnes dans le monde.
Unilever a mis en place des People Data Centers (PDC) pour collecter et analyser des milliards de données sur les consommateurs chaque jour afin de fournir des informations exploitables dans l’ensemble de leur entreprise. En outre, les PDC fournissent des renseignements sur la concurrence en plus de la veille concurrentielle, de l’analyse des canaux de distribution et d’autres informations, qui sont capables de les aider dans leurs stratégies et leurs tendances. L’entreprise a déployé des PDC dans trente pays. Les informations d’Unilever peuvent être collectées rapidement et partagées en temps réel, ce qui permet au groupe de prendre des mesures immédiates. Par exemple, une marque qui a du mal dans un pays peut bénéficier des leçons apprises dans un autre, où la même marque a réussi, et par conséquent ajuster sa stratégie. Unilever commence à commercialiser ce concept auprès d’autres entreprises. Ainsi, l’intelligence artificielle aura permis la création d’une nouvelle zone de profit et stimule durablement le marché et le business model de l’entreprise.
Aucune approche unique ne peut être appliquée en matière de données et d’intelligence artificielle. Chaque entreprise doit établir et appliquer sa propre méthode, en tenant compte de son histoire, de sa culture, de son style opérationnel et de la nature de ses activités. Chaque entreprise, de ce point de vue, est un cas particulier. De ce fait, le succès dépend de la prise en compte de cette singularité.
L’importance des technologies d’IA ne fait plus débat. Ces technologies sont également de plus en plus matures. Il est de plus en plus crucial pour les entreprises d’adopter ces technologies afin d’améliorer leurs performances. Qu’il s’agisse d’automatiser des processus avec RPA (Robotic Automation Processes) pour se concentrer sur des activités à forte valeur ajoutée ou d’émettre des suggestions clés sur la base d’un grand volume de données, les avantages sont évidents et significatifs.
Il faut repenser en profondeur la structure, le processus décisionnel et la culture d’une entreprise si l’on veut que l’intelligence artificielle y joue un rôle clé. Lorsque les humains transfèrent leur expertise aux algorithmes, des résistances peuvent apparaître si les avantages d’une performance accrue ne sont pas suffisamment évidents. Dans toute collaboration entre les humains et le système, il doit y avoir une approbation minimale à chaque niveau de la hiérarchie et de la direction. Nous déterminerons si nous faisons confiance à une Intelligence Artificielle qui modifie nos comportements et nos métiers en lui donnant ou non notre approbation minimale. Comment équilibrer performance, agilité et éthique lorsque l’intelligence artificielle est déployée ? Le manager doit faire des choix difficiles, grâce à une bonne intelligence !